锂离子电池的荷电状态(state of charge,SOC)在电池均衡、优化能量使用等方面具有重要作用。针对基于模型的SOC估计方法中状态空间方程非线性导致计算量大的问题,提出了使用门控循环单元(gated recurrent units,GRU)软测量SOC,并以此为...锂离子电池的荷电状态(state of charge,SOC)在电池均衡、优化能量使用等方面具有重要作用。针对基于模型的SOC估计方法中状态空间方程非线性导致计算量大的问题,提出了使用门控循环单元(gated recurrent units,GRU)软测量SOC,并以此为观测量构建线性状态空间方程,进而使用卡尔曼滤波(Kalman filter,KF)估计SOC的方法。在随机驾驶循环工况下,所提出方法的SOC估计最大绝对误差为0.017,同时具有较快的估计速度。进一步研究发现,不同充放电倍率下电池模型的参数具有很大差异,导致基于模型的SOC估计方法在复杂情况下的估计精度较低,而所提出的GRU-KF方法因为不需要精确的电池模型,更能适应复杂的工况。展开更多
